آیا “خستگی مزمن” این بیماری است؟ – اخبار آنلاین

به نقل از اخبار آنلاین ، میلیون ها نفر از افرادی که از آنسفالومالیت مزمن/سندرم خستگی مزمن (ME/CFS) رنج می برند ، یک بیماری غیرفعال کننده اغلب به دلیل عدم وجود ابزارهای تشخیصی ، ممکن است به مراقبت های شخصی نزدیک تر باشد. این پیشرفت مبتنی بر تحقیقات جدید است که نشان می دهد چگونه این بیماری تعامل بین میکروبیوم ها ، سیستم ایمنی بدن و متابولیسم را مختل می کند.

ایران در یک خبرنامه نوشت: این یافته ها ، که ممکن است مربوط به شباهت ME/CFS با Long Kavid باشد ، از تجزیه و تحلیل داده های 4 فرد بدست آمده است. این داده ها با استفاده از یک بستر هوش مصنوعی جدید مورد تجزیه و تحلیل قرار گرفته است که نشانگرهای زیستی را از نمونه های مدفوع ، خون و سایر آزمایشات آزمایشگاهی مشترک شناسایی می کند.

دکتر Darya Onotmaz ، استاد ایمونولوژی در آزمایشگاه جکسون و نویسندگان این مطالعه گفت: “تحقیقات ما به طور دقیق 5 ٪ از افراد مبتلا به سندرم خستگی مزمن را شناسایی کرده است.”

جزئیات بیشتر در مورد تحقیق و یافته ها

این مطالعه توسط جولیا اوه ، میکروبیولوژیست و استاد دانشگاه دوک ، با همکاری متخصصان ME/CFS از مرکز هورن بیتمن انجام شده است. جزئیات کامل این مطالعه در مجله Nature Medicine منتشر شده است.

سندرم خستگی مزمن با علائم شدید مانند خستگی مداوم ، اختلالات خواب ، سرگیجه و درد مزمن که فعالیت جسمی و روحی فرد را به شدت مختل می کند ، مشخص می شود.

کارشناسان غالباً ME/CFS را با کاوید طولانی مقایسه می کنند ، زیرا هر دو بیماری معمولاً پس از عفونت های ویروسی مانند ویروس اپچین-میله ایجاد می شوند.

براساس مراکز کنترل و پیشگیری از بیماری ایالات متحده ، بین 1 تا 2.5 میلیون نفر با ME/CFS وجود دارند که بسیاری از آنها تشخیص داده نشده اند. این بیماری به دلیل هزینه های پزشکی و کاهش بهره وری سالانه به اقتصاد ایالات متحده آسیب می رساند.

به گفته دکتر Oneotamaz ، تحقیقات قبلی همچنین اختلالات ایمنی در ME/CFS را نشان می دهد. اما این مطالعه جدید با بررسی تعامل بین میکروبیوم های روده ، متابولیت های آن و پاسخ های ایمنی ، یافته های قبلی را عمیق تر کرده است. تیم تحقیقاتی توانست این ارتباطات را به چهار دسته از علائم نقل از شده توسط بیماران پیوند دهد.

نقش هوش مصنوعی در تجزیه و تحلیل داده ها

به گفته دکتر OH ، ما علائم بالینی را با فناوری های پیشرفته OMIX ترکیب کردیم تا نشانگرهای زیستی جدید را برای ME/CFS شناسایی کنیم. این نوع پیوند بسیار مهم است زیرا ME/CFS یک بیماری بسیار متغیر است و بیماران طیف گسترده ای از علائم را با شدت متفاوت و طولانی مدت تجربه می کنند که روش های فعلی قادر به درک کامل این پیچیدگی نیستند.

برای این کار ، محققان داده های جامع جمع آوری شده از مرکز Bitman Horn را تجزیه و تحلیل کردند. Royon Shyung ، نویسندگان اصلی این مطالعه ، یک مدل شبکه عصبی عمیق به نام Biomapai را طراحی کرد ، که اطلاعات ژنومی میکروبیوم ، اطلاعات متابولیک پلاسما ، پروفایل سلول های ایمنی ، داده های آزمایش خون و علائم بالینی 2 بیمار و 2 فرد سالم را در طی چهار سال طراحی کرد.

این مدل نشان داد که تجزیه و تحلیل سلولهای ایمنی در پیش بینی شدت علائم دقیق ترین است ، در حالی که داده های میکروبیوم بهترین اختلالات گوارشی ، عاطفی و خواب را پیش بینی می کنند. همچنین مشخص شد که بیماران کمتر از چهار سال از شبکه های بیولوژیکی کمتری نسبت به افرادی که بیش از ده سال در بیماری خود بوده اند ، داشتند.

دکتر Unotmaz می گوید: “داده های ما نشان می دهد که این اختلالات بیولوژیکی با گذشت زمان عمیق می شوند.” این بدان معنا نیست که طولانی مدت ME/CFS قابل درمان نیست ، اما ممکن است چالش برانگیز تر باشد. “

عدم تعادل بیولوژیکی در بیماران

این مطالعه شامل چهار فرد سالم و همجنس گرا بود که در فروش میکروبیوم-متابولیت خود تعامل متعادل نشان دادند. در مقابل ، بیماران ME/CFS اختلالات قابل توجهی در ارتباط با خستگی ، درد ، مشکلات تنظیم عاطفی و اختلالات خواب داشتند.

بیماران ME/CFS همچنین سطح کمتری از بوتات (یک اسید چرب مفید در روده) و سایر مواد مغذی اساسی برای متابولیسم و کنترل التهاب داشتند. سطح بالای تریپتوفان و بنزوات نیز عدم تعادل میکروبی را نشان داد. همچنین ، پاسخهای التهابی شدید ، به ویژه در سلولهای MAIT که به سلامت میکروبی حساس هستند ، مشاهده شد.

به گفته دکتر Unotmase ، سلولهای MAIT سلامت روده را به عملکرد سیستم ایمنی وسیع تر پیوند می دهند و اختلال آنها در کنار مسیرهای بوتات و تریپتوفان ، که معمولاً ضد التهاب هستند ، نشان دهنده عدم تعادل عمیق است.

مجموعه داده های قابل استفاده و عملیاتی

اگرچه این یافته ها به تأیید بیشتری نیاز دارند ، دانشمندان درک قابل توجهی از سندرم خستگی مزمن (ME/CFS) را به طور قابل توجهی ارتقا داده اند و فرضیه های واضح تری را برای تحقیقات آینده ارائه می دهند.

به گفته دکتر OH ، از آنجا که مدل های حیوانات نمی توانند کاملاً منعکس کننده اختلالات عصبی ، فیزیولوژیکی و ایمنی مشاهده شده در ME/CFS باشند ، مطالعه مستقیم انسان برای شناسایی و توسعه روشهای درمانی هدفمند بسیار مهم خواهد بود.

وی گفت: “میکروبیوم ها و متابولیک پویا هستند.” این بدان معنی است که ما ممکن است در رژیم غذایی ، سبک زندگی یا درمان های هدفمند به روش هایی که داده های ژنومی به تنهایی ارائه نمی دهند ، تداخل داشته باشیم. “

نتایج و درک عمیق تر از

پلت فرم هوش مصنوعی Biomapai در مجموعه داده های خارجی نیز حدود 2 درصد دقت به دست آورد ، که مارک های زیستی شناسایی شده در گروه اصلی را تأیید کرد. به گفته نویسندگان ، این ثبات در داده های مختلف بسیار قابل توجه بود.

وی گفت: “با وجود روش های مختلف جمع آوری داده ها ، علائم شایع اسیدهای چرب ، نشانگرهای ایمنی و متابولیت ها پدید آمده است.”

هدف آینده: داروی دقیق

محققان قصد دارند جمع آوری داده های خود را به طور گسترده از طریق Biomapai به اشتراک بگذارند. این ابزار از انواع علائم و بیماریها پشتیبانی می کند و به طور موثری داده های چند و اکرس را که شبیه سازی در مدل های حیوانات دشوار است ، ادغام می کند.

دکتر اوه گفت: “هدف ما تهیه نقشه مفصلی در مورد چگونگی تعامل سیستم ایمنی بدن با باکتری های روده و مواد شیمیایی آنها است.”

سایر نویسندگان درگیر در این مطالعه عبارتند از: الیزابت آیکن ، رایان کالدول ، لینا کوژایا و کورتین گونتر از آزمایشگاه جکسون و سوزان دی. ورنون و لوئیزیندا بیتمن از مرکز شاخ بیتمن.

تأمین مالی این مطالعه از طریق کمک مالی موسسه ملی بهداشت (NIH) (NIH) انجام شد.

1